[논문]오토인코더를 이용한 작업 데이터 정상 여부 판단 알고리즘

김동현; 오정석

doi:10.7842/kigas.2021.25.5.63

초록
AI-Helper

본 연구에서는 오토인코더의 재구성 오류의 임계값을 이용하여 가스 시설에서의 작업이 정상 작업인지 비정상 작업인지를 판단하는 알고리즘을 구축하였다. 이 알고리즘은 정상 작업의 시계열 데이터만으로 오토인코더를 학습하여 최적화된 정상 작업의 재구성 오류의 임계값을 도출한다. 이 알고리즘을 새로운 작업의 시계열 데이터에 적용하여 재구성 오류를 구한 다음 이것을 정상 작업의 재구성 오류 임계값과 비교하여 정상작업인지 비정상 작업인지를 판별한다. 이 알고리즘을 학습하고 검증하기 위해서 가상의 가스 시설에서의 작업을 규정하고 정상 작업 데이터로만 이루어진 학습 데이터 세트와 정상 작업과 비정상 작업 데이터를 모두 포함한 검증 데이터 세트를 구축하였다.

Abstract ▼ AI-Helper

In this study, we established an algorithm to determine whether the work in the gas facility is a normal work or an abnormal work using the threshold of the reconstruction error of the autoencoder. This algorithm do deep learning the autoencoder only with time-series data of a normal work, and deriv...

In this study, we established an algorithm to determine whether the work in the gas facility is a normal work or an abnormal work using the threshold of the reconstruction error of the autoencoder. This algorithm do deep learning the autoencoder only with time-series data of a normal work, and derives the optimized threshold of the reconstruction error of the normal work. We applied this algorithm to the time series data of the new work to get the reconstruction error, and then compare it with the reconstruction error threshold of the normal work to determine whether the work is normal work or abnormal work. In order to train and validate this algorithm, we defined the work in a virtual gas facility, and constructed the training data set consisting only of normal work data and the validation data set including both normal work and abnormal work data.

주제어

표/그림 (13)

그림 Fig. 1. Schematic of virtual gas facility.
표 Table 1. The sensor used to generate the data
표 Table 2. Work phases of plumbing replacement
표 Table 3. Normal range of sensor data
그림 Fig. 2. Schematic of one of the normal data.
그림 Fig. 3. Schematic of one of the anomaly data.
표 Table 4. Criteria values used for data normalization
그림 Fig. 4. Architecture of autoencoder.
그림 Fig. 5. Autoencoder layer structure.
그림 Fig. 6. MAE distribution of the optimized model.
그림 Fig. 7. An example of test data.
그림 Fig. 8. Reconstruction data of the test data.
그림 Fig. 9. Distribution of reconstruction errors for each sample of the test data.

참고문헌 (6)

Md. Rezaul Karim, Ahmed Menshawy, Deep Learning By Example, O'Reilly, (2018)
J. An and S. Cho., Variational autoencoder based anomaly detection using reconstruction probability, (2015)
Y. LeCun and C. Cortes, MNIST handwritten digit database, (2010)
B. Zong, Q. Song, M. R. Min, W. Cheng, C. Lumezanu, D. Cho, and H. Chen., Deep autoencoding gaussian mixture model for unsupervised anomaly detection. In International Conference on Learning Representations, (2018)
V. Nair and G. E. Hinton., Rectified linear units improve restricted boltzmann machines. In Proceedings of the 27th international conference on machine learning (ICML-10), 807-814, (2010)
D. P. Kingma and J. Ba. Adam, A method for stochastic optimization. In International Conference on Learning Representations, (2015)

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

오토인코더를 이용한 작업 데이터 정상 여부 판단 알고리즘
Algorithm for Determining Whether Work Data is Normal using Autoencoder 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (13)

표/그림 (13)

참고문헌 (6)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

오토인코더를 이용한 작업 데이터 정상 여부 판단 알고리즘 Algorithm for Determining Whether Work Data is Normal using Autoencoder 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (13) 모든 표/그림 보기

표/그림 (13) 슬라이드로 보기

참고문헌 (6)

이 논문을 인용한 문헌

저자의 다른 논문 :

오정석 (16)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

오토인코더를 이용한 작업 데이터 정상 여부 판단 알고리즘
Algorithm for Determining Whether Work Data is Normal using Autoencoder 원문보기

초록
AI-Helper

표/그림 (13)

표/그림 (13)